从出土简帛医书看上古汉语晚期词汇复音化进程及动因

上古汉语早期词汇在先秦以单音词为主,到中古魏晋时期复音词已大量存在。从秦到西汉末年是汉语史上古到中古的过渡阶段,可称为上古汉语晚期,是汉语复音化进程加快的重要转折期。对成书于这一时期的17种简帛医书文献中的单复音词进行穷尽性考察,统计描写简帛医书词汇系统内部单复音词词性分布、使用频率等方面的差异,并与甲骨文、金文、先秦两汉传世文献进行比较,从简帛医书复音词的新词新义角度共同探讨汉语复音化进程及动因问题,得出如下研究结论:其一,从复音化进程来看,上古汉语晚期复音词数量激增,单音词已非新词产生的主要形式;其二,当时复音词虽然在数量上逐渐占优势,但单音词从使用频率上看仍处于词汇系统的核心地位;其三,从语言内部发展规律来看,汉语词汇的复音化最早是从名词开始的,根本动因在于意义表达的需求。

古代墓志同形典故词语研究

广义“同形典故词语”指典形相同词语的集合,主要包括同形同源同义、同形同源异义、同形异源同义和同形异源异义四类。学界有关这类词语的研究多从典源和典义两个角度出发分析其源、义之异同,而对典源、典形、典义三者之间动态对应关系及词语同形机制等研究较为薄弱。以古代墓志同形涉典词语和典故词为对象,探析其典源、典义错位对应现象背后的机制和动因,从而弥补汉语同形典故词语本体研究之不足,旨在为汉语词汇史研究提供理论借鉴和材料实例,亦为辞书修订与编纂、碑刻文献校释等实际应用提供实证依据。

上古汉语OV语序前置宾语的构成、语义特点、语用功能研究

上古汉语OV语序是古汉语中一种特殊句式,其特殊性主要体现在宾语前置于动词。与以往着眼于前置宾语描写的不同,重点关注前置宾语的构成、语义特点、语用功能。在构成上,前置宾语由体词性成分、谓词性成分和主谓结构充当;在语义特点上,具有指同、指别的特点;在语用功能上,具有凸显焦点、篇章衔接和对比的功能。对前置宾语的全面考察,不仅有助于全面认识前置宾语的特点,还有助于更加清晰认识上古汉语OV语序的性质和汉语语法史的建立。更重要的是,它能够为语言类型学理论的丰富和完善提供语料支撑。

第一届古代汉语分词和词性标注国际评测

中文古籍数量庞大,亟待智能处理方法进行自动处理。古文的自动分词和词性标注,是古汉语信息处理的基础任务。而大规模词库和标注语料库的缺失,导致古汉语自动分析技术发展较慢。该文介绍了第一届古代汉语分词和词性标注国际评测的概况,评测以人工标校的精加工语料库作为统一的训练数据,以F_(1)值作为评测指标,比较了古汉语词法分析系统在测试数据(基测集和盲测集)上的优劣。评测还根据是否使用外部资源,区分出开放和封闭两种测试模式。该评测在第十三届语言资源与评测会议的第二届历史和古代语言技术研讨会上举办,共有14支队伍参赛。在基测集上,封闭测试模式分词和词性标注的F_(1)值分别达到了96.16%和92.05%,开放测试模式分词和词性标注的F_(1)值分别达到了96.34%和92.56%。在盲测集上,封闭测试分词和词性标注的F_(1)值分别达到93.64%和87.77%,开放测试分词和词性标注F_(1)值则分别达到95.03%和89.47%。未登录词依然是古代汉语词法分析的瓶颈。该评测的最优系统把目前古汉语词法分析提高到新的水平,深度学习和预训练模型有力地提高了古汉语自动分析的效果。

基于图卷积神经网络的古汉语分词研究

古汉语的语法有省略、语序倒置的特点,词法有词类活用、代词名词丰富的特点,这些特点增加了古汉语分词的难度,并带来严重的out-of-vocabulary(OOV)问题。目前,深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功,但是这些研究更关注的是如何提高分词效果,忽视了分词任务中的一大挑战,即OOV问题。因此,本文提出了一种基于图卷积神经网络的古汉语分词框架,通过结合预训练语言模型和图卷积神经网络,将外部知识融合到神经网络模型中来提高分词性能并缓解OOV问题。在《左传》《战国策》和《儒林外史》3个古汉语分词数据集上的研究结果显示,本文模型提高了3个数据集的分词表现。进一步的研究分析证明,本文模型能够有效地融合词典和N-gram信息;特别是N-gram有助于缓解OOV问题。

上古汉语分词与词性标注加工规范——基于《史记》深加工语料库的标注实践

上古(先秦两汉)时期流传至今的古籍经典数量大、价值高,亟需进行计算处理和挖掘,作为词法分析的分词与词性标注就成为古汉语信息处理的基础性工作。古汉语文本具有缺乏词语边界、内容艰深、与现代汉语差异大、不同时期差异大等特点,古文分词与词性标注一直处于研究不足、缺乏标注规范的状态,限制了语料库构建和自动分析的研究。本文针对这一问题,根据现代汉语研究领域相关成果以及上古汉语词汇特点,构建出信息处理用上古汉语分词与词性标注规范。规范由原则和细则两部分组成。原则部分包括单字词优先等7条分词原则,具体语境中的语法功能等3条词类划分及词性标注原则。古汉语词类划分为14个一级类和15个二级类,细则部分包含了大量语言现象标注实例。该规范在45万余字《史记》语料库的建设过程中不断修改完善。语料统计得出了《史记》单字词和多字词的词例数量以及最高频词类。本文可以为上古汉语深加工语料库建设提供基础支撑,助推古汉语信息处理标准化和规范化。

新文科建设背景下古代汉语“常用词”的编制与教学——以洪波《古代汉语》为例

洪波《古代汉语》“常用词”部分的编写遵循形音义兼顾的原则,以196个词为纲,名词和动词兼顾;释词体例:先列古音,再释词义,语例限于西汉以前,史论结合。为适应新文科建设的需要,本科院校古代汉语常用词的教学应配合语文知识和文选,采取多种手段,将最新成果融入教材,达到“两性一度”的高度,构建立体化教学模式。

基于条件随机场的古汉语词义消歧研究

首先分析了古汉语词义义项的分布情况与特点,考察了词义消歧的难点.然后在现有的词义消歧理论和方法的基础上,基于机器自动学习的统计模型条件随机场,选择上下文的词及其词性的复合特征,并加入其他适当语言学特征,设计6个不同的模板,对"将"、"如"、"我"、"信"、"闻"、"之"等古汉语高频词进行了词义消歧实验.实验最高平均F值达到了83.04%,高于最大熵、朴素贝叶斯模型,结果表明,选择合适的特征,条件随机场模型在古汉语词义消歧方面有效可行.

冠心病关键词在中医古文献中的分布研究

以700篇中医古文献为研究对象,采用Delphi开发环境对中医领域专家给出的1521个冠心病关键词进行了词频统计分析,分析出了中医冠心病及其合并病关键词在古文献中的分布情况,以及高频关键词和最相关文献。结果表明,中医专家提取的关键词具有代表性和系统性特点,所选书目具有文献学代表性,冠心病及其常见合并病关键词词典可为科学应用中医经典文献进行文本数据挖掘提供技术支持。

唐宋诗之计算机辅助深层研究

介绍了北大计算语言学研究所开发的“唐宋诗计算机辅助研究系统”。该系统以全唐诗(481万字 )和宋代部分名家诗 (16 0万字 )组成的语料库为基础 ,运用计算语言学方法对唐宋诗进行分析研究 ,提取了唐宋诗中的词汇 ,计 5万余条目。在对诗文进行词语切分的基础上 ,建立了词汇的共现关系、对仗关系以及词汇的作者分布特征信息。系统除了提供面向诗文内容的全文检索功能外 ,还进一步开发了基于词汇的统计分析和诗句相似性检索等功能 。

基于互信息的宋史语料库词表的提取

基于统计语言模型,对《续资治通鉴长编》进行了统计分析.根据互信息特征抽取候选字串,通过人机交互确定其是否构成词,然后动态修正相关字串的互信息值,逐步建立宋史语料库词表.实验中据互信息阈值抽取候选字串6 500个,根据汉语大词典确定是词的有3 694个,占56.8%.结果表明互信息法是建立古汉语语料库词表的有效辅助手段.

基于句本位句法体系的古汉语机器翻译研究

该文通过构建古汉语词典模型,结合黎锦熙先生提出的句本位句法相关规则构造知识库,使用词义消歧算法,对古汉语进行基于规则的机器翻译研究。实验以基于句本位语法进行句法标注后的《论语》作为测试语料,以句子为单位进行机器翻译,通过获取待选义项、构建义项选择模型、调整句法顺序等手段生成翻译结果集,并使用二元语法模型对结果进行优选,得到机器翻译最终结果,最后对翻译结果进行了分析测评。

植物古汉名渊源及蕴含的古文化

本文通过植物古汉名训诂研究 ,探讨了一些鲜为人知的植物古汉名命名的渊源 ,以例析形式阐明植物古汉名命名的几种主要类型 。

基于非参数贝叶斯模型和深度学习的古文分词研究

古汉语文本中,汉字通常连续书写,词与词之间没有明显的分割标记,为现代人理解古文乃至文化传承带来许多障碍。自动分词是自然语言处理技术的基础任务之一。主流的自动分词方法需要大量人工分词语料训练,费时费力,古文分词语料获取尤其困难,限制了主流自动分词方法的应用。该文将非参数贝叶斯模型与BERT(Bidirectional Encoder Representations from Transformers)深度学习语言建模方法相结合,进行古文分词研究。在《左传》数据集上,该文提出的无监督多阶段迭代训练分词方法获得的F1值为93.28%;仅使用500句分词语料进行弱监督训练时,F1值可达95.55%,高于前人使用6/7语料(约36 000句)进行有监督训练的结果;使用相同规模训练语料时,该文方法获得的F1值为97.40%,为当前最优结果。此外,该文方法还具有较好的泛化能力,模型代码已开源发布。

《现代汉语词典》古词语释义的疏误

作为权威性语文辞书《现代汉语词典》,其释义达到了较高的质量。该书所涉古词语占全书相当比重,但其释义问题较多,可以说古词语是其释义的盲区。这也是该词典研究的冷角。今选明显失误的若干条进行辨正,按致误的主要特征分为四个小类:一、不明古名物而误;二、混淆近似事物而误;三、不解词素义而误;四、不辨旧注,未利用文物考古资料而误。以引起大家的重视,促进其质量的进一步提高。

古汉语词义感染补证

本文通过分析具体的语言材料，充分证实了词义感染是古代汉语中确实存在的词义演变的一种特殊途径，认为“糟”的酒滓义、“弹”的弹丸义、“安”的放置义、“颜”的色彩义、“涕”的鼻涕义都是在词语的连用过程中通过词义感染而获得的。

古代汉语虚词专著规模、成就最大的一部书──评介《古代汉语虚词词典》

本文说明中国社会科学院语言研究所古代汉语研究室编《古代汉语虚词词典》是古代汉语虚词专著规模、成就最大的一部书，收词条1855，说明虚词的来源和时代，详细解释虚词的语法和语义特征。

基于二阶HMM的中医诊断古文词性标注

针对传统隐马尔可夫模型(HMM)的词性标注存在捕获上下文信息有限的问题,提出一种改进的二阶隐马尔可夫模型。该模型考虑上下文联系,精确标注中医诊断文本。对训练过程中出现数组下溢的问题,采用生词处理及增加比例因子的方法对其加以修正。实验结果表明,改进后的二阶HMM比传统HMM模型具有更高的词性标注正确率。